Row

Zeitreihe 2000 bis 2020

Row

Dokumentation

Run download Deploy dashboard Last pull Validate

Metadatenzugriff API (JSON)


Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - opendata

Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.

Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.

Weitere Informationen vom Statistikamt :

Todesfälle Schweiz (Auszug)

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)

TIME_PERIOD GEO AGE SEX Obs_status Obs_value
2009-W14 CH061 _T F NA 28
2009-W50 CH066 _T M NA 6
2013-W28 CH033 Y75T79 M NA 3
2012-W41 CH055 Y75T79 T NA 7
2019-W49 CH024 Y65T69 F NA 1
2009-W23 CH062 Y_GE90 T NA 1
2015-W13 CH040 _T M NA 112
2018-W39 CH057 Y55T59 M NA 1
2004-W36 CH025 Y70T74 T NA 1
2012-W35 CH061 _T F NA 37

Wöchentlicher Nachtrag

Logdatei

Datum Status Text
2020-06-10 03:18:49 I END Plausibilisierung
2020-06-10 03:18:49 I ../data/neu_todesfaelle_woche.csv umbenannt in ../data/todesfaelle_woche.csv
2020-06-10 03:18:49 I ../data/todesfaelle_woche.csv umbenannt in ../data/arc_todesfaelle_woche.csv
2020-06-10 03:18:49 I ..in ../data/diff.csv geschrieben !
2020-06-10 03:18:49 I Differenzen in 418 Zeilen mit 1201 Todesfällen ..
2020-06-10 03:18:48 I ..2020-W21 mit 1084 Todesfälle
2020-06-10 03:18:48 I ..2020-W20 mit 39 Todesfälle
2020-06-10 03:18:48 I ..2020-W19 mit 8 Todesfälle
2020-06-10 03:18:48 I ..2020-W18 mit 12 Todesfälle
2020-06-10 03:18:48 I ..2020-W17 mit 6 Todesfälle
2020-06-10 03:18:48 I ..2020-W16 mit 7 Todesfälle
2020-06-10 03:18:48 I ..2020-W15 mit 4 Todesfälle
2020-06-10 03:18:48 I ..2020-W14 mit 5 Todesfälle
2020-06-10 03:18:48 I ..2020 mit 1197 Todesfälle
2020-06-10 03:18:48 I ..2019 mit 4 Todesfälle
2020-06-10 03:18:48 I Validatortabellen erstellt …
2020-06-10 03:18:48 I Referenztabellen erstellt …
2020-06-10 03:18:48 I ../data/neu_todesfaelle_woche.csv gelesen 741606 Zeilen und 9 Spalten
2020-06-10 03:18:47 I ../data/todesfaelle_woche.csv gelesen 740939 Zeilen und 9 Spalten
2020-06-10 03:18:45 I START Plausibilisierung
2020-06-10 03:18:45 I END Download
2020-06-10 03:18:45 I ..CSV in ../data/neu_todesfaelle_woche.csv geschrieben !
2020-06-10 03:18:30 W …./data/neu_todesfaelle_woche.csv wird überschrieben !
2020-06-10 03:18:30 I URL download lesen …
2020-06-10 03:18:30 I ..API in ../data/api.csv geschrieben !
2020-06-10 03:18:30 I . Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) vom 2020-06-04T22:45:57.455517
2020-06-10 03:18:29 I Rest API lesen …
2020-06-10 03:18:29 I START Download
---
title: "Mortalitätsmonitoring Schweiz"
knit: (function(input_file, encoding) {
  out_dir <- '_book';
  if (!dir.exists(out_dir)) dir.create(out_dir);
  rmarkdown::render(input_file,
  encoding=encoding,
  output_file=file.path(dirname(input_file), out_dir, 'index.html'))})
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    social: menu
    source_code: embed
---

```{r setup, include=FALSE}
library(dygraphs)
library(dplyr)
library(readr)
source('../R/badgelinks.R')

```

Row
---------------------------------------------------

### Zeitreihe 2000 bis 2020

```{r}
# read data with dyfun and convert to timeseries
source('momodyfun.R')
# select timeseries by canton
ktlist <- c('CH','ZH','BE','VD','TI')

dft1 <- dyfun('../data/todesfaelle_woche.csv', '../data/grossregionCH.csv') %>%
  filter(kt %in% ktlist)  %>%
  count(kt,date, wt=value, name='value') %>%
  split(.$kt)
dft2 <- dft1[ktlist]
tslist <- lapply(dft2, function(x) {
  xts::xts(x$value, order.by = x$date)
  })
tss <- do.call(cbind,tslist)
dygraph(tss, main = "Todesfälle Schweiz") %>% 
  dyOptions(stepPlot = T) %>%
  dyHighlight(highlightCircleSize = 5, 
              highlightSeriesBackgroundAlpha = 0.2,
              hideOnMouseOut = FALSE) %>% 
  dyRangeSelector(dateWindow = c("2013-07-01", as.character(last(dft1[[1]]$date)))) %>%
  dyEvent("2020-3-17", "Lockdown", labelLoc = "bottom")
```


Row {.tabset .tabset-fade}
---------------------------------------------------

### Dokumentation

`r badge`

> Metadatenzugriff [API (JSON)](https://norman-ds.github.io/momo/json.json)

***

**Das Bundesamt für Statistik stellt wöchentlich erfasste Todesfallzahlen zur Verfügung.**

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei) - [opendata](https://opendata.swiss/de/dataset/todesfalle-nach-funf-jahres-altersgruppe-geschlecht-woche-und-kanton-csv-datei6)

Die Todesfälle werden täglich den Zivilstandsämtern gemeldet und dem BFS im Rahmen der Statistik der natürlichen Bevölkerungsbewegung (BEVNAT) mitgeteilt. Der Melde- und Verarbeitungsprozess dauert in der Regel neun Tage.

Die Referenzbevölkerung ist die ständige Wohnbevölkerung, d.h. die Personen mit ständigem Wohnsitz in der Schweiz. Todesfälle von Personen mit Wohnsitz in der Schweiz, die sich im Ausland ereignet haben, werden gezählt.

Weitere Informationen vom Statistikamt :

- [Todesfälle](https://www.bfs.admin.ch/bfs/de/home/statistiken/bevoelkerung/geburten-todesfaelle/todesfaelle.html)
- [Sterblichkeit, Todesursachen](https://www.bfs.admin.ch/bfs/de/home/statistiken/gesundheit/gesundheitszustand/sterblichkeit-todesursachen.html)
- [Mortalitätsmonitoring (MOMO)](https://www.experimental.bfs.admin.ch/de/momo.html)


### Todesfälle Schweiz (Auszug)

Todesfälle nach Fünf-Jahres-Altersgruppe, Geschlecht, Woche und Kanton (CSV-Datei)

```{r}
read_csv2('../data/todesfaelle_woche.csv') %>%
  sample_n(10) %>%
  knitr::kable()
```

### Wöchentlicher Nachtrag

```{r}
dfdiff <- read_csv2('../data/diff.csv') 
DT::datatable(dfdiff, class = 'cell-border stripe')
```

### Logdatei

```{r}
read_csv2('../data/log.csv', col_names = F) %>% 
  purrr::map_df(rev) %>%
  knitr::kable(col.names = c('Datum','Status','Text'))
```